１.首先Linux服务器中安装了anaconda；
２.检查服务器的ｃｕｄａ版本，因为要安装的ｐｙｔｈｏｎ，tensorflow及tensorflow-gpu， ｋｅｒａｓ与ｃｕｄａ版本都要对应；
ｋｅｒａｓ版本一般比ｔｅｎｓｏｒｆｌｏｗ要高一点
说下个人的情况：
RTX３０９０的卡
ｃｕｄａ是１１.２
需要安装的tensorflow及tensorflow-gpu版本为２.６.０
因此python至少是３.７
ｋｅｒａｓ我装的是２.６.０
所有用到的代码如下：
conda create --name mykerasenv3.7 python=3.7 ＃创建新环境
conda activate mykerasenv3.7 ＃激活创建好的环境
conda install tensorflow==2.5.0 ＃安装tensorflow
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.5.0 安装tensorflow-gpu
conda install keras ＃安装keras
１.创建python3.7的新环境
conda create --name mykerasenv3.7 python=3.7 ＃创建一个python3.7版本环境，命名为mykerasenv3.7
２.验证cuda 以及 cudnn(gpu版本，可选)
用ｎｖｉｄｉａ－ｓｍｉ查看自己的ｃｕｄａ，我的是１１.２
３.安装tensorflow及tensorflow-gpu
conda activate mykerasenv3.7 ＃先激活创建好的环境，开始安装包
＃ 加的一些镜像，加快下载速度
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
conda install tensorflow==2.5.0 ＃安装tensorflow
conda install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.5.0 ＃安装tensorflow-gpu
４.安装keras
conda install keras ＃安装keras
这里给我下载的是２.４.３的，而我的ｔｅｎｓｏｒｆｌｏｗ是２.５.０，直接运行代码出错了，说什么ｃｕｄｎｎ的问题，实际上是ｋｅｒａｓ版本的问题
于是我直接在ｐｙｃｈａｒｍ中更新ｋｅｒａｓ到２.６.０
运行成功！
但是发现用得是ｃｐｕ在跑
更新ｋｅｒａｓ到２.６.０后，ｔｅｎｓｏｒｆｌｏｗ也跟着被跟新到２.６.０了，导致比ｔｅｎｓｏｒｆｌｏｗ－ｇｐｕ的版本高，用ｃｐｕ跑，这里又更新了下ｔｅｎｓｏｆｌｏｗ－ｇｐｕ到２.６.０，与ｃｕｄａ版本是对应的
conda install tensorflow-gpu==2.６.0
